纳米四轮驱动器是小的,敏捷且廉价的平台,非常适合在狭窄,混乱的环境中部署。由于其有效载荷有限,这些车辆在处理能力方面受到了高度限制,从而使基于常规视觉的方法具有安全性和自主导航不兼容。最近的机器学习发展有望在低潜伏期处高性能感知,而专用的边缘计算硬件有可能增强这些有限设备的处理能力。在这项工作中,我们提出了Nanoflownet,这是一个轻巧的卷积神经网络,用于实时密集的光流估计,对边缘计算硬件。我们从最新的语义细分方面汲取灵感来设计该网络。此外,我们使用运动边界地面真实数据指导学习光流的学习,从而改善了性能而不会影响延迟。 MPI-SINTEL数据集的验证结果显示,鉴于其受限的体系结构,该网络的高性能。此外,我们通过将其部署在超低功率GAP8微处理器上,并将其应用于BitCraze Crazyflie,这是34 G纳米四轮摩托车的BitCraze Crazyflie,并将其应用于34 G Nano Quadcopter的BitCraze Crazyflie,从而成功地证明了纳米滚子的功能。
translated by 谷歌翻译